FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_meanplot.wasp
Title produced by softwareMean Plot
Date of computationWed, 05 Nov 2008 13:13:03 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/05/t1225916090mdn40rolb8n6xf0.htm/, Retrieved Sat, 18 May 2024 23:40:50 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=21929, Retrieved Sat, 18 May 2024 23:40:50 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact151

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Mean Plot] [Mean Plot Opdrach...] [2008-11-05 20:13:03] [20dfa2578b2b18ce36fdb36ac12aedd7] [Current]
Feedback Forum
2008-11-09 12:58:44 [Nathalie Daneels] [reply] 
Evaluatie opdracht 1: Task 5:
De conclusie zou iets uitgebreider kunnen, maar ik ga wel akkoord met wat er staat: 'Uit deze 2 grafieken blijkt dat er sprake is van seizoenaliteit in juli en augustus is de productie significant lager dan in de andere maanden (de inkepingen van de boxplots overlappen niet).'
Als je de Mean Plot bekijkt, kan je vaststellen dat er in de maanden 3 en 6 een duidelijke toename van de totale productie is waar te nemen. Een ander opvallend fenomeen in deze grafiek is de enorme daling van de totale productie in de maanden 7 en 8 (zoals de student vermeldde in zijn conclusie), met daarop volgend een enorme stijging naar maand 9 toe. Op basis van enkel de Mean Plot kunnen we niet vaststellen of deze trends significant zijn, of gewoon aan het toeval toe te schrijven zijn. Daarom wordt de Notched Boxplot opgesteld: door de medianen en de betrouwbaarheidsintervallen van deze maatstaf met elkaar te vergelijken, kan je vaststellen of het verschil significant is of dat toeval een belangrijke factor is:
- De enorme daling in de maanden 7 en 8 is duidelijk niet toe te schrijven aan het toeval: het gaat hier om een significant verschil.
- Deze redenering geldt ook voor maand 3: de inkepingen van deze Notched Boxplot overlappen niet de betrouwbaarheidsintervallen van de Notched Boxplots van de maanden 2 en 4.
- Aan de hand van de Mean Plot konden we ook een grote stijging in maand 6 waarnemen, maar dit blijkt voornamelijk aan het toeval toegeschreven te worden: De Notched Boxplot toont aan dat de betrouwbaarheidsintervallen overlappen met de inkepingen van de maand 5.
Als we kijken naar de Notched Boxplot: sequential plots kunnen we eerst een kleine daling waarnemen gedurende de eerste 3 jaren, gevolgd door een geleidelijke toename over de volgende 4 jaren. De afname van de eerste drie jaren kan aan het toeval worden toegeschreven, gezien de overlapping van de betrouwbaarheidsintervallen. Als we de Notched Boxplot van jaar 7 vergelijken met deze van de eerste 3 jaar, kunnen we, globaal gezien, concluderen dat er een significante stijging plaatsvindt in de totale productie (wat de student ook ongeveer concludeerde). (De inkepingen overlappen elkaar hier niet of toch bijna niet).

Post a new message

Dataset

Dataseries X:
Download CSV
Histogram
Boxplots 
106,7
110,2
125,9
100,1
106,4
114,8
81,3
87
104,2
108
105
94,5
92
95,9
108,8
103,4
102,1
110,1
83,2
82,7
106,8
113,7
102,5
96,6
92,1
95,6
102,3
98,6
98,2
104,5
84
73,8
103,9
106
97,2
102,6
89
93,8
116,7
106,8
98,5
118,7
90
91,9
113,3
113,1
104,1
108,7
96,7
101
116,9
105,8
99
129,4
83
88,9
115,9
104,2
113,4
112,2
100,8
107,3
126,6
102,9
117,9
128,8
87,5
93,8
122,7
126,2
124,6
116,7
115,2
111,1
129,9
113,3
118,5
137,9
103,6
101,7
127,4
137,5
128,3
118,2

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'George Udny Yule' @ 72.249.76.132

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 2 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=21929&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]2 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=21929&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=21929&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'George Udny Yule' @ 72.249.76.132


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 12 ;
Parameters (R input):
par1 = 12 ;
R code (references can be found in the software module):
par1 <- as.numeric(par1)
(n <- length(x))
(np <- floor(n / par1))
arr <- array(NA,dim=c(par1,np+1))
darr <- array(NA,dim=c(par1,np+1))
ari <- array(0,dim=par1)
dx <- diff(x)
j <- 0
for (i in 1:n)
{
j = j + 1
ari[j] = ari[j] + 1
arr[j,ari[j]] <- x[i]
darr[j,ari[j]] <- dx[i]
if (j == par1) j = 0
}
ari
arr
darr
arr.mean <- array(NA,dim=par1)
arr.median <- array(NA,dim=par1)
arr.midrange <- array(NA,dim=par1)
for (j in 1:par1)
{
arr.mean[j] <- mean(arr[j,],na.rm=TRUE)
arr.median[j] <- median(arr[j,],na.rm=TRUE)
arr.midrange[j] <- (quantile(arr[j,],0.75,na.rm=TRUE) + quantile(arr[j,],0.25,na.rm=TRUE)) / 2
}
overall.mean <- mean(x)
overall.median <- median(x)
overall.midrange <- (quantile(x,0.75) + quantile(x,0.25)) / 2
bitmap(file='plot1.png')
plot(arr.mean,type='b',ylab='mean',main='Mean Plot',xlab='Periodic Index')
mtext(paste('#blocks = ',np))
abline(overall.mean,0)
dev.off()
bitmap(file='plot2.png')
plot(arr.median,type='b',ylab='median',main='Median Plot',xlab='Periodic Index')
mtext(paste('#blocks = ',np))
abline(overall.median,0)
dev.off()
bitmap(file='plot3.png')
plot(arr.midrange,type='b',ylab='midrange',main='Midrange Plot',xlab='Periodic Index')
mtext(paste('#blocks = ',np))
abline(overall.midrange,0)
dev.off()
bitmap(file='plot4.png')
z <- data.frame(t(arr))
names(z) <- c(1:par1)
(boxplot(z,notch=TRUE,col='grey',xlab='Periodic Index',ylab='Value',main='Notched Box Plots - Periodic Subseries'))
dev.off()
bitmap(file='plot4b.png')
z <- data.frame(t(darr))
names(z) <- c(1:par1)
(boxplot(z,notch=TRUE,col='grey',xlab='Periodic Index',ylab='Value',main='Notched Box Plots - Differenced Periodic Subseries'))
dev.off()
bitmap(file='plot5.png')
z <- data.frame(arr)
names(z) <- c(1:np)
(boxplot(z,notch=TRUE,col='grey',xlab='Block Index',ylab='Value',main='Notched Box Plots - Sequential Blocks'))
dev.off()
bitmap(file='plot6.png')
z <- data.frame(cbind(arr.mean,arr.median,arr.midrange))
names(z) <- list('mean','median','midrange')
(boxplot(z,notch=TRUE,col='grey',ylab='Overall Central Tendency',main='Notched Box Plots'))
dev.off()